OpenAI GPT-4o 的語音模式進(jìn)入灰度測試階段，預(yù)計(jì)將于今年秋季全面開放。這一消息引起了業(yè)內(nèi)外的廣泛關(guān)注，尤其是在國內(nèi)外大廠紛紛加速 AI 視頻和語音模型開發(fā)的背景下，OpenAI 的新進(jìn)展無疑成為焦點(diǎn)。

語音模式的突破：更自然、更智能的交互

此次 OpenAI 針對(duì)部分 ChatGPT Plus 用戶推出的 GPT-4o 語音模式，以其高度自然的對(duì)話體驗(yàn)吸引了眾多用戶的目光。新模式不僅支持實(shí)時(shí)對(duì)話，用戶可以隨意打斷和調(diào)整互動(dòng)過程，還具備識(shí)別并回應(yīng)用戶情緒的能力。這種情感層次的豐富，使得人機(jī)交互不僅僅停留在功能性層面，更向情感化和人性化邁進(jìn)。

多語言支持與應(yīng)用場景

GPT-4o 在多語言支持方面展現(xiàn)了強(qiáng)大實(shí)力，包括法語、西班牙語和烏爾都語等多種語言的流暢表達(dá)，讓用戶體驗(yàn)到無縫溝通的便捷。不少獲得測試資格的用戶紛紛探索 GPT-4o 在不同應(yīng)用場景中的表現(xiàn)：有的將其化身為激情四溢的足球解說員，實(shí)時(shí)為觀眾帶來比賽解說；有的則利用其作為“第二外語教練”，幫助糾正發(fā)音并提高語言水平。

情感陪伴與心理健康

除了實(shí)用的語言和交流功能，GPT-4o 在情感陪伴方面的表現(xiàn)同樣出色。通過語音模式和自定義功能，一些用戶成功“復(fù)活”了已故的親友，與他們進(jìn)行溫馨對(duì)話。這一創(chuàng)新應(yīng)用不僅為用戶帶來了情感上的慰藉，還為人工智能在心理健康領(lǐng)域的應(yīng)用開辟了新的可能性。

GPT-4o Long Output：64K token 輸出的強(qiáng)大能力

在推出語音模式的同時(shí)，OpenAI 還宣布了 GPT-4o 的另一個(gè)重要功能——長輸出模式。該功能將每次請(qǐng)求的輸出能力提升至64K token，相當(dāng)于200頁小說的內(nèi)容量。這為需要大量信息的用戶提供了更全面、細(xì)致的響應(yīng)。

價(jià)格與應(yīng)用場景

新模型的價(jià)格調(diào)整為每百萬輸入 token 6 美元，輸出 token 為 18 美元，盡管輸出 token 的數(shù)量是 GPT-4o 的16倍，但價(jià)格上漲幅度僅為 3 美元。長輸出功能主要適用于數(shù)據(jù)轉(zhuǎn)換等用例，如將文檔從一種語言翻譯成另一種語言，或從文檔中提取結(jié)構(gòu)化數(shù)據(jù)。這一功能的推出，將為用戶在多個(gè)領(lǐng)域提供更強(qiáng)大的處理能力。

市場競爭與未來展望

與其他市面上的 AI 模型相比，GPT-4o 在性價(jià)比和實(shí)用性方面具有顯著優(yōu)勢。雖然像 Gemini 和 Claude 等模型的輸出能力甚至超過百萬 token，但 OpenAI 的長輸出模式在保證高效處理的同時(shí)，仍保持了良好的用戶體驗(yàn)。

OpenAI 方面表示，推出更長輸出模型的決策是基于用戶反饋。隨著用戶對(duì)更長輸出內(nèi)容的需求增加，GPT-4o 的發(fā)布無疑為滿足這些需求提供了有力支持。在未來，隨著 GPT-4o 的全面開放，用戶將能享受到更加智能、貼心的語音交互體驗(yàn)，以及高效的信息獲取和處理能力。

▲ 滑動(dòng)查看往期內(nèi)容